Yapay zekânın bir alt çalışma alanı olan makine öğrenmesi ham veriden öğrenen modellerin/sistemlerin geliştirilmesiyle ilgilenir. Sağlık, finans, mühendislik ve daha birçok alanda farklı makine öğrenmesi uygulamaları ile karşılaşılabilmektedir. Bu dersin amacı, makine öğrenmesi ve ilişkili kavramları, makine öğrenmesi sürecini, temel maine öğrenmesi algoritmalarının teorisi hakkında bilgi vermek ve Python dili ile uygulamalarını gerçekleştirmektir.

Ders kapsamında; yapay zekâ, makine öğrenmesi ve makine öğrenmesi ile ilgili kavramlar, makine öğrenmesi süreci, Python'a giriş, veri görselleştirme, veri ön-işleme, danışmanlı/danışmansız öğrenme, basit/çoklu doğrusal regresyon, k-en yakın komşu algoritması, naive bayes sınıflandırıcı, karar ağaçları, yapay sinir ağları, makine öğrenmesi model performans değerlendirme yöntemleri ve ölçütleri işlenecektir.

Balaban, M. E. ve Kartal, E. (2018). Veri Madenciliği ve Makine Öğrenmesi Temel Algoritmaları ve R Dili ile Uygulamaları (2. bs.). Beyoğlu, İstanbul: Çağlayan Kitabevi. 2. Shmueli, G., Bruce, P. C., Gedeck, P., & Patel, N. R. (2019). Data Mining for Business Analytics with Python (1st ed.). Wiley. Han, J., Kamber, M. ve Pei, J. (2011). Data Mining Concepts and Techniques (3. bs.). USA: Morgan Kaufmann.